典型文献
基于级联注意力与点监督机制的考场目标检测模型
文献摘要：
智慧考场是智慧校园的重要组成部分,准确、快速地检测考场中的学生状态,是智慧考场应用的基本任务和关键环节.标准化考场中的考生分布相对密集且成像尺寸差异较大,而现有目标检测算法未充分考虑真实考场的环境特征,很难精确、实时地检测出考生目标,加之大部分目标检测算法需对不同目标手工设计先验锚框,模型部署范围受限.针对以上问题,提出一种高效的无锚框全卷积目标检测模型.该模型采用全卷积网络对输入图像进行逐像素预测,在可能存在目标的区域回归其包围框.在该模型中,设计了基于级联注意力的特征增强模块,通过逐级细化修正特征增强特征图的判别性,有效地提高考生目标识别精度;另一方面,针对真实考场中大量交叠目标检测问题,提出了点监督机制,以进一步提升交叠多目标的识别效果;最后,在构建的标准化考场检测专用数据集上,对所提模型进行验证.实验结果表明,与当前最先进的目标检测模型相比,针对真实复杂的考场环境特征提出的基于级联注意力和点监督机制的全卷积目标检测模型的mAP指标为92.9％,检测速度为22.1 f/s,泛化能力突出,综合效果最优.
文献关键词：
目标检测;智慧考场;无锚框方法;注意力机制;点监督机制
中图分类号：
作者姓名：
田卓钰;马苗;杨楷芳
作者机构：
陕西师范大学 计算机科学学院, 陕西 西安 710119;现代教学技术教育部重点实验室陕西师范大学, 陕西 西安 710062;空天地海一体化大数据应用技术国家工程实验室, 陕西 西安 710129
文献出处：
引用格式：
[1]田卓钰;马苗;杨楷芳-.基于级联注意力与点监督机制的考场目标检测模型)[J].软件学报,2022(07):2633-2645
A类：
点监督机制,智慧考场
B类：
目标检测模型,智慧校园,基本任务,标准化考场,目标检测算法,环境特征,先验,模型部署,全卷积网络,像素预测,包围,特征增强模块,逐级,特征图,判别性,高考生,目标识别,识别精度,交叠,检测问题,最先,mAP,检测速度,泛化能力,综合效果,无锚框方法,注意力机制
AB值：
0.219774
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
